长江是世界上货运量最大的内河航道,内河海事监管在长江经济带发展中起重要作用。单纯摄像头监控和人工巡航等传统工作模式已不能适应当前内河航道管理的实际需求,“智能化”内河海事监管系统可有效弥补传统方式效率低的问题。内河航船的检测和跟踪是内河航道智能管理的重要组成部分,基于相关技术的科研成果已经被逐渐用于内河航道流量统计、水面交通事故预警和违规自动检测等系统中。本文旨在解决实际内河航道场景下,船舶检测跟踪过程中遇到的相关技术问题,包括照明条件变化、水面波动对检测算法的干扰,船舶自身体积大、颜色相似以及相互遮挡对跟踪算法的影响。本文使用网络高清球机在江边采集视频数据,将视频流保存在本地硬盘,并取出到PC端进行离线船舶检测跟踪算法研究。具体工作如下:(1)图像预处理及航迹管理。将网络高清球机捕获的YV12格式视频流转换为RGB格式图像序列,使算法可以在RGB颜色空间对像素进行处理。对原始图像进行降采样,通过实验确定不同分辨率下合适的采样系数,在不损害后续算法效果的情况下尽量降低内存占用和计算耗时。制定基于检测、跟踪的航迹管理规则,并以该规则为基础建立船舶检测跟踪系统。(2)内河航道船舶检测算法研究。为了解决PBAS算法在内河航道场景下前景检测结果会被逐渐“腐蚀”的问题,提出一种融合区域信息的背景复杂度控制模型更新率,使目标检测结果更准确。对图像进行显著性检测,利用二值化的显著图将不完整的前景检测结果补全。根据鬼影通常与其周围被判定为背景像素相似的特点,使用窗口逐点扫描像素级的检测结果,如果一个前景点与窗口内若干个背景点的像素值距离小于阈值,那么就认为它是鬼影。(3)船舶相互遮挡时的跟踪算法研究。首先在遮挡场景下,分析了经典跟踪算法的不足之处。其后,针对船舶是具有丰富角点的人造刚体这个特点,提出一种基于失效特征点检测的稀疏光流跟踪算法。对船舶检测特征点,并运用LK光流法计算图像序列间特征点的光流,从而实现对特征点的跟踪。在该过程中,结合特征光流大小、方向和模板匹配度,对特征点集中的失效点进行检测,最后综合有效点的跟踪结果得到目标位置。使用在内河航道拍摄的视频数据进行实验,验证本文检测、跟踪算法的有效性。在水面波动干扰严重情况下,本文船舶检测算法得到最好的检测率为0.93,综合评价评价指标为0.82;在船舶之间局部遮挡情况下,本文跟踪轨迹与真实轨迹的最小均方根误差为1.8个像素距离。